Llais
Rhowch gynnig ar dechnoleg sy'n llefaru Cymraeg ac yn adnabod Cymraeg llafar, a gweld sut rydym yn bwriadu mesur ei safon.
Mae'r modelau lleferydd hyn yn rhedeg ar eich dyfais. Ar ôl lawrlwytho'r modelau, mae'r prosesu'n digwydd yn y porwr ac nid yw'r arddangosiad yn anfon testun na recordiadau at yr AIsteddfod. Gall y lawrlwythiad cyntaf gymryd ychydig o amser, ond bydd y porwr yn cadw'r model llefaru i'w ddefnyddio eto.
Testun-i-leferydd
Teipiwch rywbeth yn Gymraeg. Mae model CC0 cy_GB-bu_tts Techiaith yn cynhyrchu'r sain ar eich dyfais drwy Piper/VITS, ONNX a WebAssembly; gallwch ddewis tri o'r saith llais sydd yn y model. Mae eSpeak WASM, sy'n trosi'r testun yn synau iaith, dan drwydded GPL-3.0-or-later. Felly nid yw holl gydrannau'r system llefaru dan drwyddedau caniataol.
Heb lwytho'r model llefaru Cymraeg CC0 (tua 77 MB).
Lleferydd-i-destun
Siaradwch yn Gymraeg. Mae model ymchwil BangorAI Zipformer yn trawsgrifio wrth i chi siarad drwy sherpa-onnx WASM, heb anfon sain i wasanaeth cwmwl. Model dros dro yw hwn tra rydym yn datblygu'r model porwr newydd.
Heb lwytho model BangorAI Zipformer Cymraeg (tua 86 MB).
Manylion yr arddangosiad: cafodd y model Zipformer dros dro gyfradd gwallau geiriau (WER) o 24.57% ar y set ddatblygu a 25.70% ar y set brawf a gadwyd ar wahân. Cafodd fersiwn ffrydio'r model WER o 43.87% ar ARFOR test-clean v0.1 cyn newid y drefn o gwblhau darnau sain. Ar set ddatblygu ARFOR yn unig, gostyngodd WER i 27.50% ar draws pob un o'r 3,441 o glipiau wrth gwblhau darnau sain bob tair eiliad (RTF 0.090). Ni ailbrofwyd y model ar y set brawf ar ôl y newid. Mewn meincnod dros dro ar wahân, roedd model Whisper Techiaith yn fwy cywir; nid oes modd cymharu'r sgoriau'n uniongyrchol â phrotocol cyhoeddedig Techiaith. Darllen y cerdyn model →
Beth sydd angen ei fesur?
Nid yw trawsgrifio geiriau na chynhyrchu sain ynddo'i hun yn ddigon. Rhaid i dechnoleg llais weithio gyda Chymraeg fel y caiff ei siarad: ar wahanol gyflymderau, mewn gwahanol acenion, ac ochr yn ochr â'r Saesneg pan fydd pobl yn newid iaith yng nghanol brawddeg.
Adnabod lleferydd
Byddwn yn mesur cyfradd gwallau geiriau, ac yn gwirio sut mae'r system yn trin enwau pobl a lleoedd, atalnodi, newid rhwng ieithoedd a gwahanol acenion.
Testun-i-leferydd
Bydd gwrandawyr yn asesu eglurder, ynganu, pwyslais, rhythm a naturioldeb — gan gynnwys rhifau, dyddiadau, talfyriadau a geiriau treigledig.
Defnydd ymarferol
Bydd y profion yn cynnwys sain glir a sain swnllyd, brawddegau byr a darnau hir, a thasgau megis cofnodi cyfarfod neu ddarllen cyfarwyddiadau.
Y protocol sydd ar y gweill
- Yr un deunydd i bob system. Defnyddir set sefydlog o recordiadau a sgriptiau, gyda hawliau a chaniatâd clir.
- Amrywiaeth o leisiau. Bydd y set yn cynnwys gwahanol acenion, oedrannau, cyflymderau siarad ac enghreifftiau dwyieithog.
- Mesurau awtomatig a barn pobl. Mae cyfradd gwallau geiriau'n ddefnyddiol ar gyfer trawsgrifio; ar gyfer llais synthetig, mae pa mor ddealladwy a naturiol yw'r llais yr un mor bwysig.
- Cyhoeddi'r manylion. Bydd fersiwn y system, y gosodiadau, y deunydd profi a'r dull sgorio'n rhan o bob canlyniad.
Yr offer Cymraeg sydd ar gael
Mae nifer o adnoddau llais Cymraeg eisoes ar gael. Mae Porth Technolegau Iaith Cenedlaethol Cymru yn cynnig adnoddau testun-i-leferydd ac adnabod lleferydd, ac mae'r Trawsgrifiwr yn trosi Cymraeg llafar yn destun. Mae Llywodraeth Cymru hefyd yn cofnodi gwaith parhaus ar dechnolegau lleferydd ac AI Cymraeg.
35 model lleferydd a 25 set ddata sain yn y catalog. Mae'r rhestr yn cynnwys eitemau cyhoeddus o gyfrifon Hugging Face Techiaith a DewiBrynJones, gan gynnwys cyfresi Whisper, Kaldi a Wav2Vec2, modelau testun-i-leferydd, setiau gwerthuso ac arddangosiadau byw. Agor y catalog llais a lleferydd →
Gweler hefyd yr arolwg o offer iaith a'r cyfeirlyfr adnoddau.